SceneDiver：通过由粗到细式聚焦突破 VLA 感知瓶颈：浙江大学、倍漾量化、浙江省医疗智能决策重点实验室

概要：针对 VLM / VLA 在具身决策中受视觉幻觉影响的问题，本文通过构建场景图进行粗到细的聚焦计划生成，让模型自主过滤干扰、聚焦任务相关物体，并将聚焦能力蒸馏到 VLA 中实现实时推理，在操作和导航任务上取得显著提升；

声明：上述声音采用AI合成，解析内容为原创；解析仅针对该文发布时，arXiv上已公开被解析论文的最新版本的内容进行；其中所有涉及原论文的图、数据都引用自原论文，如涉及侵权，请及时联系删除；人工解读，难免有错误遗漏，如有发现及时联系修改；如需要深入研究建议阅读原文；

链接：arxiv.org ；